ARTIGO  
DOI: https://doi.org/10.21728/ asklepion.2026v5n2e-134  
Data de submissão: 04/05/2026 Data de aprovação: 08/07/2026 Data de publicação: 29/08/2026  
PRINCIPAIS FUNCIONALIDADES DE APLICATIVOS PARA APOIO  
NO TRATAMENTO DO DIABETES MELLITUS TIPO 1  
uma revisão  
Julyanne Maria dos Santos Correia1  
Universidade Federal Rural de Pernambuco  
julyanne.correia@ufrpe.br  
Genivaldo Braynner Teixeira do Carmo2  
Universidade Federal Rural de Pernambuco  
genivaldo.braynner@ufrpe.br  
Ronaldo Rodrigues da Silva Filho3  
Universidade Federal Rural de Pernambuco  
ronaldo.rodrigues@ufrpe.br  
Pablo Azevedo Sampaio4  
Universidade Federal Rural de Pernambuco  
pablo.sampaio@ufrpe.br  
Robson Wagner Albuquerque de Medeiros5  
Universidade Federal Rural de Pernambuco (UFRPE)  
robson.medeiros@ufrpe.br  
______________________________  
Resumo  
A crescente adoção de tecnologias digitais na área da saúde, especialmente aplicativos móveis, tem transformado  
o monitoramento clínico e a tomada de decisão no manejo do Diabetes Mellitus Tipo 1 (DM1), condição que exige  
administração contínua de insulina e autocuidado intensivo. Este estudo tem como objetivo analisar as  
funcionalidades de aplicativos móveis voltados ao autocontrole do DM1, comparando aquelas recomendadas na  
literatura científica com as efetivamente implementadas em soluções disponíveis no mercado, a fim de identificar  
lacunas e oportunidades de melhoria. Trata-se de uma revisão da literatura com abordagem descritiva,  
complementada pela análise prática de aplicativos selecionados em lojas virtuais. Foram identificados 21 estudos  
e 21 aplicativos, a partir dos quais foram mapeadas 22 funcionalidades distintas relacionadas ao autogerenciamento  
da condição. Os resultados evidenciam uma convergência parcial entre as recomendações teóricas e as  
implementações práticas, com destaque para funcionalidades como registro glicêmico, monitoramento de insulina  
e contagem de carboidratos. Entretanto, observam-se lacunas relevantes quanto à usabilidade, integração com  
profissionais de saúde e validação clínica das ferramentas. Conclui-se que os aplicativos móveis constituem um  
importante recurso de apoio ao manejo do DM1, mas seu potencial depende do desenvolvimento colaborativo  
entre profissionais de saúde, desenvolvedores e usuários, visando maior efetividade, segurança e aderência às  
necessidades dos pacientes.  
Palavras-chave: Diabetes Mellitus tipo I; aplicativos móveis; funcionalidades; tecnologia; automonitoramento.  
1 Bacharel em Ciência da Computação pela Universidade Federal Rural de Pernambuco (UFRPE).  
2 Bacharel em Ciência da Computação pela Universidade Federal Rural de Pernambuco (UFRPE). Mestrando em  
Engenharia de Software pela Universidade de Pernambuco (UPE).  
3 Bacharel em Ciência da Computação pela Universidade Federal Rural de Pernambuco (UFRPE).  
4 Professor de Computação na Universidade Federal Rural de Pernambuco (UFRPE). Doutor em Ciência da  
Computação pela Universidade Federal de Pernambuco (UFPE).  
5 Professor de Ciência da Computação na Universidade Federal Rural de Pernambuco (UFRPE) e como Diretor-  
Geral do Instituto Ipê na UFRPE. Doutor em Ciência da Computação pela Universidade Federal de Pernambuco  
(UFPE) e University of Twente (Holanda).  
Esta obra está licenciada sob uma licença  
Creative Commons Attribution 4.0 International (CC BY-NC-SA 4.0).  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
         
ARTIGO  
MAIN FEATURES OF APPS TO SUPPORT THE TREATMENT OF TYPE 1  
DIABETES MELLITUS  
a review  
Abstract  
The increasing adoption of digital health technologies, particularly mobile applications, has transformed clinical  
monitoring and decision-making in the management of Type 1 Diabetes Mellitus (T1DM), a condition that requires  
continuous insulin administration and intensive self-care. This study aims to analyze the functionalities of mobile  
applications designed to support T1DM self-management, comparing those recommended in the scientific  
literature with those effectively implemented in commercially available solutions, in order to identify gaps and  
opportunities for improvement. This is a literature review with a descriptive approach, complemented by a practical  
analysis of applications selected from major app stores. A total of 21 studies and 21 applications were identified,  
from which 22 distinct functionalities related to self-management were mapped. The results indicate a partial  
alignment between theoretical recommendations and real-world implementations, with emphasis on features such  
as glucose logging, insulin monitoring, and carbohydrate counting. However, relevant gaps were identified  
regarding usability, integration with healthcare professionals, and clinical validation of these tools. It is concluded  
that mobile applications represent a valuable resource for supporting T1DM management, but their effectiveness  
depends on collaborative development involving healthcare professionals, developers, and patients, ensuring  
greater usability, safety, and adherence to user needs.  
Keywords: Type 1 Diabetes Mellitus; mobile application; features; technology; self-monitoring.  
CARACTERÍSTICAS CLAVE DE LAS APLICACIONES PARA APOYAR EL  
TRATAMIENTO DE LA DIABETES MELLITUS TIPO 1  
una revisión  
Resumen  
La creciente adopción de tecnologías digitales en el ámbito de la salud, especialmente las aplicaciones móviles, ha  
transformado el monitoreo clínico y la toma de decisiones en el manejo de la Diabetes Mellitus Tipo 1 (DM1), una  
condición que requiere la administración continua de insulina y un autocuidado intensivo. Este estudio tiene como  
objetivo analizar las funcionalidades de las aplicaciones móviles orientadas al autocontrol de la DM1, comparando  
aquellas recomendadas en la literatura científica con las efectivamente implementadas en soluciones disponibles  
en el mercado, con el fin de identificar brechas y oportunidades de mejora. Se trata de una revisión de la literatura  
con enfoque descriptivo, complementada con el análisis práctico de aplicaciones seleccionadas en tiendas  
virtuales. Se identificaron 21 estudios y 21 aplicaciones, a partir de los cuales se mapearon 22 funcionalidades  
distintas relacionadas con el autogestionamiento de la condición. Los resultados evidencian una alineación parcial  
entre las recomendaciones teóricas y las implementaciones prácticas, destacando funcionalidades como el registro  
de glucosa, el monitoreo de insulina y el conteo de carbohidratos. Sin embargo, se identifican brechas relevantes  
en términos de usabilidad, integración con profesionales de la salud y validación clínica de las herramientas. Se  
concluye que las aplicaciones móviles constituyen un recurso valioso para apoyar el manejo de la DM1, pero su  
efectividad depende del desarrollo colaborativo entre profesionales de la salud, desarrolladores y pacientes,  
garantizando mayor usabilidad, seguridad y adecuación a las necesidades de los usuarios.  
Palabras clave: Diabetes Mellitus tipo 1; aplicaciones móviles; funcionalidades; tecnología; automonitoreo.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
1 INTRODUÇÃO  
O Diabetes Mellitus (DM) configura-se como um dos principais desafios  
contemporâneos de saúde pública, com estimativas indicando que aproximadamente 589  
milhões de adultos vivam com a doença globalmente (International Diabetes Federation, 2025).  
Entre suas classificações, o Diabetes Mellitus Tipo 1 (DM1) destaca-se por sua natureza  
autoimune, caracterizada pela destruição das células beta pancreáticas e consequente  
dependência vitalícia de insulinoterapia (Tyler et al., 2020). O manejo do DM1 exige  
monitoramento contínuo e decisões frequentes relacionadas à administração de insulina,  
ingestão alimentar e atividade física, em um contexto marcado por elevada variabilidade  
glicêmica e risco de eventos agudos e crônicos (Kordonouri; Riddell, 2019).  
Nesse cenário, tecnologias digitais em saúde, particularmente aplicativos móveis  
(mHealth), têm emergido como ferramentas promissoras para apoiar o autocontrole da condição  
(Brandão et al., 2023). Essas ferramentas auxiliam em tarefas como monitoramento glicêmico,  
administração de insulina, planejamento alimentar, prática de atividade física e gestão de  
tempo, facilitando o autocuidado (Wu et al., 2019). Os aplicativos oferecem ainda funções mais  
específicas como o cálculo de dosagens de insulina para refeições, por exemplo, considerando  
fatores como a quantidade dos macronutrientes ali presentes. Este tipo de recurso dialoga direta  
e positivamente com uma das principais problemáticas enfrentadas pelo público diagnosticado  
com DM1: a tomada recorrente de decisão, que tende a ser de alto risco caso seja feita de  
maneira equivocada (Noaro et al., 2020).  
3
Apesar do crescimento expressivo no número de aplicativos disponíveis  
comercialmente, persistem limitações relevantes quanto à sua qualidade, segurança e  
efetividade clínica. Estudos apontam lacunas na validação científica dessas ferramentas,  
inconsistências na implementação de funcionalidades críticas e desafios relacionados à  
usabilidade, especialmente em populações com menor letramento digital (Arnhold et al., 2014;  
Wilson et al., 2019). Adicionalmente, observa-se um desalinhamento entre as recomendações  
oriundas da literatura científica e as funcionalidades efetivamente disponibilizadas nos  
aplicativos, o que pode comprometer seu potencial de impacto no manejo do DM1.  
Nesse contexto, torna-se fundamental compreender não apenas quais funcionalidades  
são propostas na literatura, mas também como essas recomendações têm sido traduzidas em  
soluções práticas. Assim, este estudo tem como objetivo analisar criticamente as  
funcionalidades de aplicativos móveis voltados ao manejo do DM1, comparando aquelas  
descritas na literatura científica com as implementadas em aplicativos disponíveis em lojas  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
virtuais. Ao identificar convergências, lacunas e oportunidades de melhoria, este trabalho busca  
contribuir para o desenvolvimento de soluções digitais mais eficazes, seguras e alinhadas às  
necessidades clínicas e aos contextos reais de uso.  
2 TRABALHOS RELACIONADOS  
O uso de aplicativos móveis no suporte ao manejo do DM1 tem sido amplamente  
investigado na literatura recente, especialmente no que se refere ao seu potencial para auxiliar  
na tomada de decisão e no autocontrole da condição. Estudos indicam que o manejo do DM1  
envolve decisões frequentes e de alto risco, o que torna o suporte digital particularmente  
relevante nesse contexto (Wilson et al., 2019). Nesse sentido, abordagens centradas no usuário  
têm sido propostas para o desenvolvimento de ferramentas que incorporem a experiência prática  
dos pacientes, embora muitas dessas investigações se limitem a populações com maior  
familiaridade tecnológica, reduzindo a generalização dos achados.  
Revisões de literatura têm buscado sistematizar as funcionalidades desses aplicativos e  
seus impactos no manejo clínico. Stephen et al. (2022), por exemplo, identificaram facilitadores  
e barreiras no uso de aplicativos por adultos com DM1, destacando aspectos como usabilidade,  
engajamento e suporte à decisão. No entanto, o escopo reduzido de estudos analisados e a  
concentração em contextos de alta renda evidenciam limitações na representatividade dos  
resultados.  
Veazie et al. (2018) abordaram os efeitos do uso de aplicativos comerciais por  
portadores de DM1. O estudo revelou que esses aplicativos ajudaram na redução dos níveis de  
hemoglobina glicada (HbA1c), um indicador crucial para o controle glicêmico e predição de  
complicações do diabetes, o qual mede a percentagem do nível de glicemia de um paciente em  
um intervalo de três meses seguidos (Sociedade Brasileira de Diabetes, 2020). Os autores  
ressaltam a importância da orientação médica para a escolha adequada dessas ferramentas. Os  
participantes, todavia, relataram impactos limitados em fatores como qualidade de vida, peso  
corporal e pressão arterial.  
Outro eixo relevante diz respeito às funcionalidades específicas oferecidas pelos  
aplicativos. Huang et al. (2019) identificaram lacunas importantes no suporte à administração  
de medicação, incluindo limitações em lembretes, organização de informações e integração de  
dados. Adicionalmente, estudos destacam a importância da conectividade com dispositivos  
médicos e da integração com profissionais de saúde como fatores críticos para o sucesso dessas  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
ferramentas (Marcelo et al., 2020; Wilson et al., 2019). Apesar disso, tais funcionalidades ainda  
são inconsistentes entre os aplicativos disponíveis.  
De modo geral, a literatura converge ao reconhecer o potencial dos aplicativos móveis  
como ferramentas de apoio ao manejo do DM1, mas também evidencia desafios significativos  
relacionados à usabilidade, validação clínica e integração com o ecossistema de saúde. Observa-  
se, sobretudo, uma lacuna na análise comparativa entre as funcionalidades recomendadas na  
literatura e aquelas efetivamente implementadas em aplicações disponíveis no mercado, o que  
limita a compreensão do real alinhamento entre teoria e prática — aspecto que este estudo busca  
explorar.  
3 METODOLOGIA  
Este estudo caracteriza-se como uma revisão da literatura de natureza exploratória, com  
abordagem qualitativa, complementada por uma análise empírica de aplicativos móveis  
voltados ao manejo do DM1. O objetivo foi identificar funcionalidades descritas na literatura e  
compará-las com aquelas implementadas em aplicações disponíveis comercialmente.  
A condução da pesquisa foi estruturada em três etapas: (i) levantamento da literatura,  
(ii) identificação e análise de aplicativos móveis e (iii) extração e análise comparativa dos  
dados.  
3.1 LEVANTAMENTO DA LITERATURA  
A busca por estudos foi realizada em bases de dados acadêmicas, incluindo PubMed,  
Springer, IEEE Xplore, SciELO e Google Acadêmico, utilizando combinações de termos  
relacionados ao domínio, tais como: “diabetes”, “diabetes mellitus tipo 1”, “aplicativos para  
autocontrole do diabetes”, “aplicações móveis para diabetes” e “apps for diabetes  
management”.  
Foram considerados estudos publicados entre 2011 e 2023, nos idiomas português e  
inglês. A seleção dos trabalhos foi realizada com base na análise de título, resumo e leitura  
completa, priorizando aqueles que abordavam funcionalidades de aplicativos voltados ao  
autocontrole do DM1. Também foram consultadas fontes de literatura cinza, como relatórios  
técnicos e diretrizes clínicas, com o intuito de ampliar a compreensão do domínio.  
Ao final do processo, foram selecionados 21 estudos considerados relevantes para a  
análise.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
3.2 IDENTIFICAÇÃO E ANÁLISE DOS APLICATIVOS  
A identificação dos aplicativos foi realizada nas lojas virtuais Google Play Store, Apple  
App Store e Samsung Galaxy Store, a partir das palavras-chave “diabetes” e “glicose”.  
Os aplicativos foram selecionados com base em critérios como relevância para o manejo  
do diabetes, disponibilidade para download e acesso às funcionalidades básicas. Ao todo, foram  
analisados 21 aplicativos.  
A avaliação foi conduzida por meio de testes exploratórios, incluindo instalação, criação  
de contas e uso das funcionalidades disponíveis nas versões gratuitas, com o objetivo de  
identificar e compreender suas características práticas.  
3.3 EXTRAÇÃO E ANÁLISE DOS DADOS  
As funcionalidades identificadas tanto na literatura quanto nos aplicativos foram  
extraídas e organizadas em uma planilha estruturada, permitindo a comparação entre os dois  
conjuntos.  
Posteriormente, as funcionalidades foram categorizadas em grupos temáticos, como:  
registro, cálculo e ajuste de insulina, monitoramento, educação e motivação, e conectividade e  
suporte.  
A análise consistiu em uma abordagem comparativa, buscando identificar  
convergências, divergências e lacunas entre as recomendações teóricas e as implementações  
práticas. A interpretação dos resultados foi conduzida de forma qualitativa, à luz da literatura  
revisada.  
4 RESULTADOS E DISCUSSÕES  
Esta seção apresenta uma análise integrada das funcionalidades identificadas na  
literatura e sua correspondência com aquelas implementadas em aplicativos móveis, destacando  
padrões, convergências e lacunas no suporte digital ao manejo do DM1.  
4.1 PANORAMA DAS FUNCIONALIDADES NA LITERATURA  
A análise dos 21 estudos permitiu identificar 22 funcionalidades distintas, organizadas  
em cinco categorias principais: (i) registro de dados, (ii) cálculo e ajuste de insulina, (iii)  
monitoramento, (iv) educação e motivação e (v) conectividade e suporte (Quadros 1 e 2).  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
4.1.1 Registro de dados  
A funcionalidade “log de níveis glicêmicos” (Kordonouri; Riddell, 2019), ou registro  
dos níveis glicêmicos, foi referenciada na maioria dos artigos. Nesse contexto, ao aferir seus  
níveis de glicemia por meio de dispositivos como glicosímetros e/ou sensores de glicose, o  
paciente registra os dados no app. De acordo com Riangkam et al. (2021), essa funcionalidade  
pode contribuir significativamente com o automonitoramento e gestão do tratamento dos  
pacientes com DM1.  
Foi observada também a função de registro das doses de insulina. Esse recurso permite  
que o usuário registre a medicação injetada após ingestão de alimentos, refeições ou durante  
jejum para correção de hiperglicemias. O estudo de Huang et al. (2019) destaca a sua relevância  
para a adesão ao tratamento, pois, ao visualizar essas informações junto a exames médicos, o  
profissional de saúde pode avaliar o uso da medicação na rotina diária do paciente.  
4.1.2 Cálculo e ajustes de insulina  
A contagem de macronutrientes, especialmente de carboidratos, é frequentemente  
apontada como essencial para os usuários por ajudá-los a monitorar com precisão as  
quantidades ingeridas. A literatura destaca que o acompanhamento de outros macronutrientes,  
como proteínas, lipídios (gorduras) e calorias, também está presente em alguns apps,  
desempenhando um papel relevante no gerenciamento da condição (Arnhold et al., 2014).  
O uso de bancos de dados alimentares nos apps foi identificado como uma ferramenta  
complementar. Adu et al. (2020) apresentam uma aplicação que integra ambas as  
funcionalidades acima. Os autores destacam que os testes de usabilidade revelaram um grande  
interesse pelas informações nutricionais, em função da possibilidade de monitorar como cada  
alimento afeta os níveis glicêmicos.  
Uma funcionalidade que utiliza a contagem de macronutrientes é o cálculo da dosagem  
de insulina bolus. Segundo a Sociedade Brasileira de Diabetes (2020), esse tipo de insulina é  
administrado antes das refeições e/ou para correção dos níveis glicêmicos em casos de  
hiperglicemias. Nesse cenário, Noaro et al. (2023) exploram a aplicação de IA no auxílio ao  
cálculo das doses, embora o estudo também destaque a complexidade dessa função, uma vez  
que dosagens excessivas de insulina podem resultar em hipoglicemias severas (diminuição  
significativa do nível de glicose no sangue), gerando complicações para o paciente.  
Além dessas funcionalidades, identificamos a função de ajustar a insulina bolus e,  
também, o ajuste da insulina basal. O Ministério da Saúde (Brasil, 2020), por meio de seu  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
protocolo clínico e diretrizes terapêuticas, classifica a insulina basal como de ação intermediária  
ou prolongada, em contraste com a insulina bolus, que tem ação mais rápida e temporária.  
4.1.3 Monitoramento  
O estudo de Stephen et al. (2022) identifica o monitoramento de dados no autocuidado  
como a funcionalidade mais recorrente na literatura. Essa característica engloba a função de  
registro mencionada anteriormente. Reforçando a sua relevância, Byambasuren et al. (2018)  
destacam seu impacto positivo nos níveis de HbA1c dos usuários com DM1, especialmente  
quando combinadas com notificações em dispositivos móveis e a criação de lembretes nos  
aplicativos, funções também mencionadas em outros estudos.  
A exibição de gráficos para visualização dos dados dos pacientes também é amplamente  
destacada na literatura como uma ferramenta complementar no monitoramento. Chaves et al.  
(2017) e Arnhold et al. (2014) ressaltam que essa funcionalidade facilita a compreensão da  
evolução da condição clínica ao permitir uma visualização clara e organizada dos dados. Além  
disso, o estudo de Chaves et al. (2017) identifica outras métricas que podem ser representadas  
nos gráficos, como o peso, o Índice de Massa Corporal (IMC) e outras variáveis, que também  
influenciam diretamente na condição geral do paciente diabético.  
Alguns poucos estudos abordam ainda a funcionalidade de monitoramento das  
prescrições médicas, com o objetivo de acompanhar a ingestão dos medicamentos e como as  
doses prescritas impactam o tratamento de forma geral. Huang et al. (2019) destacam que a  
funcionalidade vai além do simples monitoramento das dosagens, visto que o usuário pode  
também rastrear possíveis alergias, efeitos colaterais, interações medicamentosas e  
contraindicações dos remédios diretamente na aplicação.  
4.1.4 Educação e motivação  
No contexto da busca dos apps por uma experiência mais completa e convidativa, a  
função de comunicação direta com os pacientes se destaca na literatura. O envio de mensagens  
de texto (SMS) ou gravadas por educadores da saúde tem se mostrado eficiente no autocontrole,  
pois auxilia na adesão ao tratamento e na adoção de hábitos saudáveis, segundo Walker et al.  
(2011). As diretrizes da AADE (American Association of Diabetes Educators) enfatizam sete  
orientações que os apps podem incorporar em seu desenvolvimento para promover  
comportamentos de autocuidado: alimentação saudável, prática de exercícios físicos, adesão à  
medicação, resolução de problemas, redução de riscos e adaptação saudável (Arrais et al.,  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
2015). Outras funcionalidades identificadas na literatura, intimamente relacionadas à  
comunicação direta, incluem conteúdos motivacionais e educacionais.  
Embora requeira novas pesquisas e aprofundamentos e provoque divergências quanto à  
sua eficácia, o uso da gamificação nas plataformas é visto como um recurso eficaz para  
aumentar a adesão e o engajamento dos usuários nos aplicativos (Kordonouri; Riddell, 2019).  
A gamificação envolve a criação de atividades relacionadas ao tratamento, como competições,  
prêmios, sistemas de pontuação, entre outros (Shan et al., 2019).  
4.1.5 Conectividade e suporte  
No intuito de garantir um alto padrão de qualidade de monitoramento, dispositivos como  
sensores, glicosímetros e relógios inteligentes, com a capacidade de compartilhar dados  
coletados com aplicativos móveis compatíveis, têm sido frequentemente utilizados. A  
integração entre aplicativos e outros dispositivos é um fator facilitador da autogestão, bem como  
do acompanhamento médico contínuo dos indicadores de saúde (Shan et al., 2019).  
Outra funcionalidade destacada na literatura é a importação/exportação de dados.  
Considerando a relevância da integração da equipe médica às plataformas digitais, este recurso  
é essencial para que se possa revisar as medicações e ajustar os objetivos do tratamento de  
acordo com as necessidades do paciente, conforme frisam Huang et al. (2019).  
Um desdobramento direto das funcionalidades mencionadas anteriormente é a inclusão  
do suporte HCP (Healthcare Provider ou Healthcare Professional). Marcelo et al. (2020)  
destacam a contribuição positiva da funcionalidade, que pode promover ajustes no tratamento  
e estimular mudanças comportamentais nos usuários.  
Diversos aplicativos têm buscado integrar essas características com sistemas de suporte  
à decisão para práticas físicas. Nesse contexto, o trabalho de Tyler et al. (2020) foca no uso da  
IA, ressaltando que a minimização de erros por meio desse recurso pode proporcionar uma  
melhor qualidade de vida aos portadores de diabetes. Além disso, o suporte à decisão é uma das  
funcionalidades mais solicitadas, pois pode ajudar na identificação de padrões, permitindo uma  
intervenção mais eficaz na prevenção de episódios de hipoglicemia e/ou hiperglicemia (Dias et  
al., 2022).  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
Quadro 1 – Funcionalidades das categorias "registros", "cálculos e ajustes de insulina" e "monitoramento"  
referenciadas pela literatura  
Categorias  
Funcionalidades  
Estudos (Ano)  
Tot  
al  
Registros  
Alimentação  
Kirwan et al. (2013), Arnhold et al. (2014), Chaves  
et al. (2017), Martinez-Millana et al. (2018),  
Brandão et al. (2019), Wu et al. (2019), Tyler et al.  
(2020), Dias et al. (2022), Stephen et al. (2022),  
Noaro et al. (2023)  
10  
Glicemia  
Kirwan et al. (2013), Arnhold et al. (2014), Arrais  
et al. (2015), Chaves et al. (2017), Byambasuren et  
al. (2018), Martinez-Millana et al. (2018), Veazie et  
al. (2018), Brandão et al. (2019), Huang et al.  
(2019), Shan et al. (2019), Wu et al. (2019), Adu et  
al. (2020), Tyler et al. (2020), Riangkam et al.  
(2021), Stephen et al. (2022), Noaro et al. (2023)  
15  
Doses de insulina  
Medicação  
Kirwan et al. (2013), Chaves et al. (2017),  
Byambasuren et al. (2018), Brandão et al. (2019),  
Huang et al. (2019), Shan et al. (2019), Tyler et al.  
(2020), Stephen et al. (2022), Noaro et al. (2023)  
10  
6
Kirwan et al. (2013), Arnhold et al. (2014),  
Martinez-Millana et al. (2018), Huang et al. (2019),  
Adu et al. (2020), Stephen et al. (2022)  
Eventos (doenças,  
estresse, etc)  
Chaves et al. (2017), Huang et al. (2019), Wilson et  
4
9
al. (2019), Stephen et al. (2022)  
Cálculos e  
ajustes de  
insulina  
Insulina bolus  
Martinez-Millana et al. (2018), Brandão et al.  
(2019), Shan et al. (2019), Wilson et al. (2019), Wu  
et al. (2019), Tyler et al. (2020), Dias et al. (2022),  
Stephen et al. (2022), Noaro et al. (2023)  
Insulina bolus para  
Martinez-Millana et al. (2018), Wilson et al.  
(2019), Tyler et al. (2020), Stephen et al. (2022),  
Noaro et al. (2023)  
5
eventos  
Insulina basal  
Wilson et al. (2019), Tyler et al. (2020)  
2
Contagem de  
carboidratos  
Arnhold et al. (2014), Chaves et al. (2017),  
Byambasuren et al. (2018), Martinez-Millana et al.  
(2018), Veazie et al. (2018), Brandão et al. (2019),  
Tyler et al. (2020), Dias et al. (2022), Stephen et al.  
(2022), Noaro et al. (2023)  
10  
Contagem de  
proteínas e gorduras  
Brandão et al. (2019)  
1
5
Bancos de dados de  
alimentos  
Adu et al. (2020), Brandão et al. (2019),  
Byambasuren et al. (2018), Dias et al. (2022),  
Stephen et al. (2022)  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
Monitoramento  
Gráficos  
Arnhold et al. (2014), Chaves et al. (2017),  
Martinez-Millana et al. (2018), Wu et al. (2019),  
Adu et al. (2020), Stephen et al. (2022)  
6
Prescrições médicas  
Lembretes  
Veazie et al. (2018), Huang et al. (2019),  
3
Kordonouri et al. (2019)  
Arnhold et al. (2014), Chaves et al. (2017),  
Byambasuren et al. (2018), Martinez-Millana et al.  
(2018), Veazie et al. (2018), Brandão et al (2019),  
Huang et al. (2019), Shan et al. (2019), Adu et al.  
(2020), Riangkam et al. (2021), Stephen et al.  
(2023)  
11  
Fonte: Autor, 2023.  
Quadro 2 – Funcionalidades das categorias "educação e motivação" e "conectividade e suporte" referenciadas  
pela literatura  
Categorias  
Funcionalidades  
Estudos (Ano)  
Total  
Educação e  
motivação  
Feedback  
Walker et al. (2011), Kirwan et al. (2013),  
Arnhold et al. (2014), Arrais et al. (2015), Chaves  
et al. (2017), Byambasuren et al. (2018),  
Martinez-Millana et al. (2018), Huang et al.  
(2019), Kordonouri et al. (2019), Shan et al.  
(2019), Wilson et al. (2019), Wu et al. (2019),  
Adu et al. (2020), Riangkam et al. (2021), Stephen  
et al. (2022)  
15  
Conteúdo  
educacional  
Walker et al. (2011), Kirwan et al. (2013), Chaves  
et al. (2017), Martinez-Millana et al. (2018),  
Veazie et al. (2018), Brandão et al. (2019), Huang  
et al. (2019), Kordonouri et al. (2019), Shan et al.  
(2019), Adu et al. (2020), Marcelo et al. (2020),  
Riangkam et al. (2021), Stephen et al. (2022)  
13  
Gamificação  
Suporte HCP  
Arnhold et al. (2014), Chaves et al. (2017),  
Martinez-Millana et al. (2018), Kordonouri et al.  
(2019), Shan et al. (2019)  
5
Conectividade e  
suporte  
Kirwan et al. (2013), Arnhold et al. (2014),  
Chaves et al. (2017), Martinez-Millana et al.  
(2018), Veazie et al. (2018), Huang et al. (2019),  
Kordonouri et al. (2019), Shan et al. (2019),  
Wilson et al. (2019), Wu et al. (2019), Marcelo et  
al. (2020), Tyler et al. (2020)  
12  
Suporte offline  
Kirwan et al. (2013)  
1
Suporte à decisão  
Kirwan et al. (2013), Arnhold et al. (2014),  
12  
Chaves et al. (2017), Byambasuren et al. (2018),  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
Martinez-Millana et al. (2018), Veazie et al.  
(2018), Brandão et al. (2019), Wilson et al. (2019),  
Wu et al. (2019), Adu et al. (2020), Tyler et al.  
(2020), Stephen et al. (2022)  
Conexão com  
dispositivos  
Kirwan et al. (2013), Arnhold et al. (2014), Arrais  
et al. (2015), Chaves et al. (2017), Martinez-  
Millana et al. (2018), Brandão et al. (2019), Huang  
et al. (2019), Kordonouri et al. (2019), Shan et al.  
(2019), Tyler et al. (2020)  
11  
8
Importar/Exportar  
dados  
Chaves et al. (2017), Martinez-Millana et al.  
(2018), Huang et al. (2019), Wilson et al. (2019),  
Adu et al. (2020), Tyler et al. (2020), Stephen et  
al. (2022), Noaro et al. (2023)  
Fonte: Autor, 2023.  
Considerando-se todo o conjunto de funcionalidades e a sua categorização, um ponto  
de destaque é válido para o grupo “Cálculo e ajustes de insulina”. Este agrupamento é  
constituído por funções de complexidade expressiva, já que impactam diretamente no bem-  
estar do indivíduo. Sendo assim, observou-se a necessidade de maior aprofundamento a fim de  
avaliar como tal conjunto poderia ser mais intuitivo no tocante à implementação e  
aprimoramento da experiência do usuário no app, para assim gerar resultados mais precisos.  
4.2 ANÁLISE DOS APLICATIVOS E SUAS PRINCIPAIS FUNCIONALIDADES  
Identificada em todos os 21 apps avaliados, o registro dos níveis glicêmicos se destaca  
como uma das características essenciais em aplicativos de saúde voltados ao autocontrole e  
tratamento do DM1, uma vez que a automonitorização glicêmica é um dos pilares fundamentais  
para os pacientes (Brasil, 2020).  
Dentre os aplicativos avaliados, 13 apresentam o registro da dieta como uma das  
principais funções relacionadas à alimentação. Em detrimento do registro manual, 6 aplicativos  
utilizam uma base de dados alimentar, permitindo que o usuário selecione os alimentos que  
consumirá. Outros 6 aplicativos oferecem a contagem automática de carboidratos, juntamente  
com a análise de outros macronutrientes. Exemplos desses aplicativos incluem Diabetes: M  
(Bulgária), DiabTrend (Hungria), Glic (Brasil), entre outros.  
A contagem de carboidratos, presente na maioria das aplicações, é fundamental para a  
estimativa de outra característica essencial: o cálculo da dosagem de insulina bolus. Dentre os  
aplicativos analisados, 6 oferecem esse recurso. O Glic, por exemplo, integra o cálculo com  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
uma base de dados alimentar, proporcionando maior praticidade. O mySugr (Áustria), embora  
não ofereça uma base de dados ou contagem automática de carboidratos, permite o cálculo da  
insulina bolus por meio da inserção manual da quantidade de carboidratos consumidos.  
Apesar de não ter sido observada na literatura revisada, uma função com grande  
potencial de aprimoramento do tratamento é o monitoramento da dosagem de insulina bolus  
ativa no organismo. Este pode ser um recurso útil para melhorar a compreensão sobre os níveis  
glicêmicos e a relação com a aplicação de múltiplas doses de insulina. Alguns dos aplicativos  
a incorporam ao cronometrar o tempo de ação da insulina em horas (Sociedade Brasileira de  
Diabetes, 2020).  
No que se refere aos aspectos educacionais, a carência de conhecimento sobre o DM1  
pode agravar o quadro clínico do paciente (Brasil, 2020), uma vez que o diabetes apresenta uma  
série de variáveis que se manifestam de maneira diferente em cada organismo (Shan et al.,  
2019). Após o levantamento, 10 aplicativos se destacaram por oferecerem seções específicas,  
destinadas ao fornecimento de textos informativos e respostas a perguntas frequentes sobre  
diversos aspectos relacionados ao DM1. Vale destacar que a incorporação deste recurso,  
associada a um certificado de educação confiável em diabetes, pode impactar positivamente na  
redução dos níveis de HbA1c (Kordonouri; Riddell 2019).  
O uso da gamificação nas plataformas tem se destacado como uma abordagem  
inovadora para promover a aprendizagem e a adesão ao tratamento. O aplicativo mySugr, por  
exemplo, propõe uma série de desafios, como “registrar a glicemia durante uma semana” ou  
“medir a glicemia 3 vezes ao dia após as refeições”. Ao completar as tarefas, os usuários são  
recompensados com prêmios, o que funciona como um incentivo para reforçar comportamentos  
saudáveis e aumentar o engajamento.  
Das ferramentas móveis analisadas, 8 apresentam funcionalidades que fornecem  
feedback sobre como o estado do DM1. O Intellin Diabetes Management, por exemplo, é capaz  
de identificar os riscos que o indivíduo pode enfrentar, como problemas nos olhos, entre outros.  
Já o InsulinCalculator oferece um alerta quando é necessário corrigir, com uma dose adicional  
de insulina, os impactos que proteínas e gorduras de alimentos podem ter na glicemia, algumas  
horas após a ingestão.  
Outra funcionalidade relevante é o suporte ao profissional de saúde. O Diabetes:M, além  
de outros dois apps, permite o compartilhamento de dados e a comunicação direta com o  
cuidador. Nesse cenário, o profissional de saúde foi integrado à plataforma, o que diminui a  
barreira da falta de informações sobre o estado atual do paciente (Kirwan et al., 2013).  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
A maioria das funcionalidades descritas neste estudo foram extraídas da revisão de  
literatura. No entanto, outras foram identificadas a partir da análise direta das plataformas.  
Funcionalidades como a avaliação da dosagem de insulina ativa (Diabetes:M), o cálculo de  
insulina para proteínas e gorduras (Diabetes:M e InsulinCalculator) e a previsão dos níveis de  
glicemia (DiabTrend e Sugarmate), são alguns exemplos de itens não mencionados na literatura,  
porém presentes nos apps. A Figura 1 ilustra a distribuição das funções, destacando a  
quantidade de artigos por funcionalidade e a porcentagem de aplicativos que as incorporam.  
Figura 1 - Distribuição das funcionalidades por aplicativos e por artigos levantados na literatura  
Fonte: Autor, 2023.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
4.3 DISCUSSÃO  
A análise dos 21 aplicativos revelou uma convergência parcial com as recomendações  
da literatura. Funcionalidades amplamente consolidadas, como registro de glicemia (presente  
em 100% dos apps), registro alimentar (13 apps) e contagem de carboidratos (maioria dos  
apps), foram amplamente implementadas, reforçando o alinhamento com práticas já  
estabelecidas.  
No entanto, essa convergência se restringe predominantemente a funcionalidades de  
baixa a média complexidade. Recursos mais avançados, como cálculo automatizado de insulina  
bolus, suporte ao profissional de saúde e integração avançada de dados clínicos, apresentam  
menor adoção.  
Esse cenário sugere que, embora a literatura influencie o desenvolvimento, a  
implementação prática tende a priorizar funcionalidades mais simples e de menor risco técnico  
e regulatório.  
Por outro lado, a análise também evidencia que recursos como suporte à decisão e  
integração com profissionais de saúde são pouco implementados, limitando o potencial dos  
aplicativos como ferramentas clínicas completas. Além disso, muitas funcionalidades são  
implementadas sem clara validação científica ou transparência nos modelos utilizados,  
especialmente aquelas baseadas em algoritmos mais complexos.  
Adicionalmente, observa-se que o aumento da complexidade funcional nem sempre se  
traduz em maior efetividade. Funcionalidades mais sofisticadas podem exigir maior esforço  
cognitivo, reduzindo a usabilidade e a adesão, especialmente em populações com menor  
letramento digital.  
Em conjunto, esses achados reforçam a necessidade de maior alinhamento entre  
pesquisa científica, desenvolvimento tecnológico e prática clínica, com ênfase em soluções que  
conciliem efetividade, segurança e usabilidade.  
5 CONSIDERAÇÕES FINAIS  
Este estudo analisou, de forma integrada, as funcionalidades recomendadas pela  
literatura científica para o manejo do DM1 e aquelas efetivamente implementadas em  
aplicativos móveis disponíveis no mercado. Os resultados evidenciam que, embora exista um  
conjunto consolidado de funcionalidades básicas — como registro glicêmico, monitoramento  
de insulina e contagem de carboidratos — amplamente adotado tanto na literatura quanto nas  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
aplicações, persiste um desalinhamento relevante entre recomendações teóricas e  
implementações práticas, especialmente no que se refere a funcionalidades de maior  
complexidade e impacto clínico.  
Os achados apontam para um descompasso bidirecional entre pesquisa e prática: por um  
lado, recomendações científicas não são plenamente incorporadas pelas soluções tecnológicas;  
por outro, inovações presentes nos aplicativos ainda carecem de investigação sob a perspectiva  
clínica. Além disso, observa-se que o aumento da complexidade funcional impõe desafios  
relacionados à usabilidade, acessibilidade e segurança, fatores determinantes para a efetividade  
dessas ferramentas no contexto real de uso.  
Como contribuição, este estudo apresenta um panorama estruturado das funcionalidades  
de aplicativos para DM1 e propõe uma análise comparativa entre teoria e prática, evidenciando  
lacunas e oportunidades para o aprimoramento dessas soluções. Tais evidências podem  
subsidiar o desenvolvimento de aplicativos mais alinhados às necessidades dos usuários e às  
diretrizes clínicas.  
Dessa forma, recomenda-se que o desenvolvimento de aplicativos para o manejo do  
DM1 seja conduzido de maneira colaborativa e multidisciplinar, envolvendo profissionais de  
saúde, desenvolvedores e usuários finais. Mais do que ampliar funcionalidades, é fundamental  
garantir sua validação clínica, usabilidade e integração ao ecossistema de cuidado.  
Por fim, destaca-se a importância de considerar a pluralidade sociocultural dos usuários  
no desenvolvimento dessas tecnologias, evitando barreiras de adoção relacionadas à  
complexidade excessiva. Soluções mais acessíveis, intuitivas e alinhadas ao contexto real de  
uso tendem a promover maior adesão e contribuir de forma mais efetiva para o autocontrole e  
a autonomia dos pacientes.  
5.1 TRABALHOS FUTUROS  
Como continuidade deste estudo, sugere-se a ampliação da análise para um conjunto  
maior e mais atual de aplicativos, incluindo novas funcionalidades e soluções emergentes no  
contexto do DM1.  
Além disso, recomenda-se a realização de estudos voltados à avaliação do uso dos  
aplicativos pelos próprios usuários, considerando aspectos como frequência de utilização,  
adesão ao tratamento, dificuldades encontradas e impacto no autocontrole da condição. Esse  
tipo de investigação pode contribuir para uma compreensão mais realista da efetividade dessas  
ferramentas no dia a dia dos pacientes.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
Por fim, destaca-se a importância de abordagens colaborativas entre tecnologia e saúde  
no desenvolvimento de novas soluções, buscando alinhar funcionalidades, usabilidade e  
necessidades reais dos usuários com DM1.  
NOTA  
Os autores utilizaram IA generativa (OpenAI’s ChatGPT) para apoio com a edição e o  
refinamento da linguagem durante a preparação deste artigo. Todo o conteúdo e as  
interpretações são baseadas na pesquisa original dos autores. Todas as sugestões de melhorias  
na linguagem foram minuciosamente revisadas para acurácia.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
REFERÊNCIAS  
ADU, M. D.; MALABU, U. H.; MALAU-ADULI, A. E. O.; MALAU-ADULI, B. S. The  
development of My Care Hub Mobile-Phone App to Support Self-Management in Australians  
with Type 1 or Type 2 Diabetes. Nature, Austrália, v. 10, n. 7, p. 1-10, jan. 2020. DOI  
https://doi.org/10.1038/s41598-019-56411-0. Disponível em:  
https://www.nature.com/articles/s41598-019-56411-0. Acesso em: 20 mar. 2024.  
ARNHOLD, M.; QUADE, M.; KIRCH, W. Mobile Applications for Diabetics: A Systematic  
Review and Expert-Based Usability Evaluation Considering the Special Requirements of  
Diabetes Patients Age 50 Years or Older. Journal of Medical Internet Research, Alemanha,  
v. 16, n. 4, p. 1-20, abr. 2014. DOI https://doi.org/10.2196/jmir.2968. Disponível em:  
https://www.jmir.org/2014/4/e104/. Acesso em: 16 mar. 2024.  
ARRAIS, R. F.; CROTTI, P. L. R. Revisão: aplicativos para dispositivos móveis (“Apps”) na  
automonitorização em pacientes diabéticos. Journal of Health Informatics, Brasil, v. 7, n. 4,  
p. 127-133, out. 2015. Disponível em: https://jhi.sbis.org.br/index.php/jhi-  
sbis/article/view/359. Acesso em: 5 out. 2023.  
BRANDÃO, M. G. S. A.; XIMENES, M. A. M.; TEIXEIRA, C. R. S.; VERAS, V. S.  
Aplicaciones para el autocontrol de la diabetes tipo 1 en personas usuarias del sistema de  
infusión continua de insulina. Revista Enfermería Actual en Costa Rica, Brasil, n. 44, p. 1-  
16, jan. 2023. DOI https://doi.org/10.15517/enferm.actual.cr.i44.45861. Disponível em:  
https://archivo.revistas.ucr.ac.cr//index.php/enfermeria/article/view/45861. Acesso em: 5 out.  
2023.  
BRASIL. Ministério da Saúde. Secretaria de Ciência, Tecnologia, Inovação e Insumos  
Estratégicos em Saúde. Protocolo Clínico e Diretrizes Terapêuticas do Diabete Melito  
Tipo 1. Brasília, DF: [s. n.], 2020. 70 p. Disponível em:  
https://bvsms.saude.gov.br/bvs/publicacoes/protocolo_clinico_terapeuticas_diabete_melito.pd  
f. Acesso em: 22 jun. 2024.  
BYAMBASUREN, O.; SANDERS, S.; BELLER, E.; GLASZIOU, P. Prescribable mHealth  
apps identified from an overview of systematic reviews. Npj Digital Medicine, Austrália, v.  
1, n. 12, p. 1-12, maio 2018. DOI https://doi.org/10.1038/s41746-018-0021-9. Disponível em:  
https://www.nature.com/articles/s41746-018-0021-9. Acesso em: 25 jul. 2023.  
CHAVES, F. F.; CARVALHO, T. L. A.; PARAÍSO, E. C.; PAGANO, A. S.; REIS, I. A.;  
TORRES, H. C. Aplicativos para adolescentes com diabetes mellitus tipo 1: revisão  
integrativa da literatura. Acta Paulista de Enfermagem, Brasil, v. 30, n. 5, p. 565-572, out.  
2017. DOI https://doi.org/10.1590/1982-0194201700070. Disponível em:  
https://www.scielo.br/j/ape/a/xKGzb3F47NTBVnXHbDVjwqv/?lang=pt. Acesso em: 25 jul.  
2023.  
DIAS, R. J.; POÍNHOS, R.; NORONHA, M.; OLIVEIRA, R. Uso de aplicações móveis e  
bomba infusora de insulina: relação com o controlo glicémico em diabéticos tipo 1. Acta  
Portuguesa de Nutrição, Portugal, v. 30, p. 30-34, set. 2022. DOI  
https://dx.doi.org/10.21011/apn.2022.3005. Disponível em:  
https://actaportuguesadenutricao.pt/edicoes/https-actaportuguesadenutricao-pt-wp-content-  
uploads-2022-09-03_ao-pdf-2-2/. Acesso em: 21 mar. 2024.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
HUANG, Z.; LUM, E.; JIMENEZ, G.; SEMWAL, M.; SLOOT, P.; CAR, J. Medication  
management support in diabetes: a systematic assessment of diabetes self-management apps.  
BMC Medicine, Singapura, v. 17, n. 127, p. 1-12, jul. 2019. DOI  
https://doi.org/10.1186/s12916-019-1362-1. Disponível em:  
https://link.springer.com/article/10.1186/s12916-019-1362-1. Acesso em: 4 set. 2023.  
INTERNATIONAL DIABETES FEDERATION. IDF Diabetes Atlas. [S.l: s. n], 2025.  
Disponível em: https://diabetesatlas.org/resources/idf-diabetes-atlas-2025/. Acesso em: 20  
fev. 2025.  
KIRWAN, M.; VANDELANOTTE, C.; FENNING, A.; DUNCAN, M. J. Diabetes Self-  
Management Smartphone Application for Adults With Type 1 Diabetes: Randomized  
Controlled Trial. Journal of Medical Internet Research, Austrália, v. 15, n. 11, p. 1-15, nov.  
2013. DOI https://doi.org/10.2196/jmir.2588. Disponível em:  
https://www.jmir.org/2013/11/e235/. Acesso em: 6 ago. 2023.  
KORDONOURI, O.; RIDDELL, M. C. Use of apps for physical activity in type 1 diabetes:  
current status and requirements for future development. Therapeutic Advances in  
Endocrinology and Metabolism, Alemanha, v. 10, p. 1-7, abr. 2019. DOI  
https://doi.org/10.1177/2042018819839298. Disponível em:  
https://journals.sagepub.com/doi/10.1177/2042018819839298. Acesso em: 13 fev. 2023.  
MARCELO, C. A. S.; COUTINHO, M. A. P.; LARA, C. R.; PARAIZO, C. M. S.; FAVA, S.  
M. C. L. Aplicativos móveis sobre diabetes mellitus - Revisão Narrativa. Journal of Health  
Informatics, Brasil, v. 12, n. 2, p. 64-67, abr. 2020. Disponível em:  
https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/726. Acesso em: 12 mar. 2023.  
MARTINEZ-MILLANA, A.; JARONES, E.; FERNANDEZ-LLATAS, C.; HARTVIGSEN,  
G.; TRAVER, V. App Features for Type 1 Diabetes Support and Patient Empowerment:  
Systematic Literature Review and Benchmark Comparison. JMIR Mhealth Uhealth,  
Espanha, v. 6, n. 11, p. 1-15, nov. 2018. DOI https://doi.org/10.2196/12237. Disponível em:  
https://mhealth.jmir.org/2018/11/e12237/. Acesso em: 12 mar. 2023.  
NOARO, G.; ZHU, T.; CAPPON, G.; FACCHINETTI, A.; GEORGIOU, P. A Personalized  
and Adaptive Insulin Bolus Calculator Based on Double Deep Q- Learning to Improve Type 1  
Diabetes Management. IEEE Journal of Biomedical and Health Informatics, Itália, v. 27,  
n. 5, p. 2536-2544, fev. 2023. DOI https://doi.org/10.1109/jbhi.2023.3249571. Disponível em:  
https://ieeexplore.ieee.org/document/10054010. Acesso em: 12 mar. 2023.  
RIANGKAM, C.; SRIYUKTASUTH, A.; PONGTHAVORNKAMOL, K.;  
KUSAKUNNIRAN, W.; SRIWIJITKAMOL, A. Effects of a mobile health diabetes self-  
management program on HbA1C, self-management and patient satisfaction in adults with  
uncontrolled type 2 diabetes: a randomized controlled trial. Journal of Health Research,  
Tailândia, v. 36, n. 5, p. 878-888, maio 2021. DOI https://doi.org/10.1108/JHR-02-2021-  
0126. Disponível em: https://www.emerald.com/jhr/article/36/5/878/222793/Effects-of-a-  
mobile-health-diabetes-self. Acesso em: 29 ago. 2023.  
SHAN, R.; SARKAR, S.; MARTIN, S. S. Digital health technology and mobile devices for  
the management of diabetes mellitus: state of the art. Diabetologia, Estados Unidos, v. 62, p.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.  
ARTIGO  
877-887, abr. 2019. DOI https://doi.org/10.1007/s00125-019-4864-7. Disponível em:  
https://link.springer.com/article/10.1007/s00125-019-4864-7. Acesso em: 9 jul. 2023.  
SOCIEDADE BRASILEIRA DE DIABETES. Posicionamento oficial sbd nº 01/2020:  
Conduta terapêutica no diabetes tipo 1: Algoritmo sbd 2020. São Paulo: [s. n.], 2020. 32  
p. Disponível em: https://profissional.diabetes.org.br/wp-  
content/uploads/2021/06/Posicionamento_Oficial_Sbd_N012020v6_brLC.pdf. Acesso em:  
STEPHEN, D. A.; NORDIN, A.; NILSSON, J.; PERSENIUS, M. Using mHealth applications  
for self-care – An integrative review on perceptions among adults with type 1 diabetes. BMC  
Endocrine Disorders, Suécia, v. 22, n. 138, p. 1-14, maio 2022. DOI  
https://doi.org/10.1186/s12902-022-01039-x. Disponível em:  
https://link.springer.com/article/10.1186/s12902-022-01039-x. Acesso em: 24 abr. 2023.  
TYLER, N. S. et al. An artificial intelligence decision support system for the management of  
type 1 diabetes. Nature Metabolism, Estados Unidos, v. 2, n. 7, p. 612–619, jun. 2020. DOI  
https://doi.org/10.1038/s42255-020-0212-y. Disponível em:  
https://www.nature.com/articles/s42255-020-0212-y. Acesso em: 16 maio 2024.  
VEAZIE, S. et al. Rapid Evidence Review of Mobile Applications for Self-management of  
Diabetes. Journal of General Internal Medicine, Estados Unidos, v. 33, p. 1167–1176,  
maio 2018. DOI https://doi.org/10.1007/s11606-018-4410-1. Disponível em:  
https://link.springer.com/article/10.1007/s11606-018-4410-1. Acesso em: 11 mar. 2023.  
WALKER, E. A.; SHMUKLER, C.; ULLMAN, R.; BLANCO, E.; SCOLLAN-  
KOLIOPOULUS, M.; COHEN, H. W. Results of a successful telephonic intervention to  
improve diabetes control in urban adults: a randomized trial. Diabetes Care, Estados Unidos,  
v. 34, n. 1, p. 2–7, set. 2011. DOI https://doi.org/10.2337/dc10-1005. Disponível em:  
https://pubmed.ncbi.nlm.nih.gov/21193619/. Acesso em: 16 maio 2024.  
WILSON, L. M.; TYLER, N.; JACOBS, P. G.; GABO, V.; SENF, B.; REDDY, R.;  
CASTLE, J. R. Patient Input for Design of a Decision Support Smartphone Application for  
Type 1 Diabetes. Journal of Diabetes Science and Technology, Estados Unidos, v. 14, n. 6,  
p. 1081-1087, ago. 2019. DOI https://doi.org/10.1177/1932296819870231. Disponível em:  
https://journals.sagepub.com/doi/10.1177/1932296819870231. Acesso em: 11 mar. 2023.  
WU, X.; GUO, X.; ZHANG, Z. The Efficacy of Mobile Phone Apps for Lifestyle  
Modification in Diabetes: Systematic Review and Meta-Analysis. JMIR Mhealth Uhealth,  
China, v. 7, n. 1, p. 1-13, 15 jan. 2019. DOI https://doi.org/10.2196/12297. Disponível em:  
https://mhealth.jmir.org/2019/1/e12297/. Acesso em: 25 jul. 2023.  
ASKLEPION: Informação em Saúde, Rio de Janeiro, v. 5, n. 2, p. 1-20, e-134, jul./dez. 2026.